基于PSO-LSTM网络的航电系统故障率预测研究

• 作者: 孙毅刚 刘凯捷
• 来源期刊: 航空科学技术
• 关键词: 长短期记忆神经网络 粒子群算法 循环神经网络 预测 可靠性
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 研究|Research
• 页码范围: 17-22
• 页数: 6页
• 分类号: V240.2
• 语种: 中文
• DOI: 10.19452/j.issn1007-5453.2021.05.003

摘要

为了提高航电系统设备故障率预测的精度,本文提出了一种基于粒子群算法优化的长短期记忆神经网络(LSTM)预测方法.首先该模型以历史故障率序列作为输入,然后通过粒子群算法(PSO)对长短期记忆数据网络中的关键参数进行迭代优化,最后依据优化参数建立PSO-LSTM预测模型并进行故障率时间序列预测.主要解决了传统依据个体经验选取模型参数而导致的低拟合度、低预测精度和低效的问题.通过与典型预测模型的仿真数据进行对比,验证了所提出的PSO-LSTM预测模型在航电系统设备故障率时间序列预测中具有更高的预测精度.